استخدام المصنف DummyClassifier في Sklearn

هو مصنف يقوم بالتنبؤات باستخدام قواعد بسيطة. هذا المصنف يتم استخدامه كخط أساس Baseline للمقارنة مع المصنفات الأساسية الأخرى.

sklearn.dummy.DummyClassifier(strategy='prior', random_state=None)
# الوسطاء
strategy:{“stratified”, “most_frequent”, “prior”, “uniform”, “constant”}, default=”prior”
#stratified: يولد تنبؤات على أساس توزيع فئة التدريب
#most_frequent: يتنبأ دائمًا بالفئة الأكثر شيوعاً في مجموعة التدريب.
#prior: يتنبأ دائمًا بالفئة التي تعظم الفئة السابقة 
#uniform: يولد تنبؤات بشكل موحد وعشوائي.
#constant: يتنبأ دائمًا بتسمية ثابتة يوفرها المستخدم
random_state:int, RandomState instance or None, default=None #  نظام العشوائية 
# الواصفات
classes_:ndarray of shape (n_classes,) or list of such arrays # الفئات في مجموعة البيانات
n_classes_:int or list of int عدد الفئات
class_prior_:ndarray of shape (n_classes,) or list of such arrays  # احتمالية كل فئة لكل ناتج
n_outputs_int # عدد المخرجات
# التوابع الأساسية
score(X, y): لحساب الدقة
predict(X) : للتوقع
fit(X,y): للتدريب

مثال:

from sklearn.pipeline import make_pipeline
from sklearn.model_selection import train_test_split
from sklearn.dummy import DummyClassifier
from sklearn.datasets import load_breast_cancer
# تحميل البيانات
Data = load_breast_cancer()
X = Data.data
y = Data.target
pipe = make_pipeline(DummyClassifier())
pipe.fit(X,y)
from sklearn.metrics import confusion_matrix,accuracy_score, classification_report
# make prediction and print accuracy
pipe.score(X, y)

DummyClassifier هو من أبسط الخوارزميات المستخدمة في عمليات التصنيف بإستخدام قواعد بسيطة، , ويعتبر من الجيد إستخدامه للمقارنة مع خوارزميات التصنيف الأخرى لا يحبذ إستخدامه كنموذج أساسي للتصنيف في حال البيانات الحقيقية، مثال:

import numpy as np
from sklearn.dummy import DummyClassifier

X = np.array([-1, 1, 1, 1])
y = np.array([0, 1, 1, 1])

dummy_clf = DummyClassifier(strategy="most_frequent")
dummy_clf.fit(X, y)

print(dummy_clf.predict(X))
print(dummy_clf.score(X, y))

في هذه الحالة قمنا بإستخدام القيمة الأكثر تكراراً كإستراتيجية للتنبؤ. والان يمكننا التعامل مع مثال نقوم فيه بمقارنة نموذجين للتصنيف:

from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
from sklearn.datasets import load_breast_cancer
from sklearn.dummy import DummyClassifier

Data = load_breast_cancer()
X = Data.data
y = Data.target

X_train, X_test, y_train, y_test = train_test_split(
            X, y, test_size = 0.3, random_state = 0)

test_scores = []

dclf = DummyClassifier(strategy = 'most_frequent', random_state = 0)
dclf.fit(X_train, y_train)
score = dclf.score(X_test, y_test)
test_scores.append(score)

clf = KNeighborsClassifier(n_neighbors = 5)
clf.fit(X_train, y_train)
score = clf.score(X_test, y_test)
test_scores.append(score)

test_scores

في المثال السابق عرفنا قاعدة بيانات والتي تحتوي على 30 خاصية تستخدم لتصنيف الورم إلى سرطاني و غير سرطاني two class classification problem و قمنا بتعريف قيم المدخلات و المخرجات و من ثم تقسيم البيانات بنسبة 30% للإختبار و 70% للتدريب.

و بعد ذلك قمنا بتعريف النموذجين، الأول هو التجريبي لمعرفة هل تصنيفنا يتم بصورة جيدة أم لا، و الثاني عبارة عن نموذج KNeighborsClassifier والذي يستخدم تصنيف أقرب 5 عينات للتنبؤ n_neighbors=5 و بمقارنة النتائج حصلت على:

[0.631578947368421, 0.9473684210526315]

للنموذجين على التوالي، بالتالي فإن إستخدام KNeighborsClassifier جيد جداً بمقارنة نتائجه مع DummyClassifier.